MétaCan
Menu
Retour à la cohorte
Enregistrement W4403629470 · doi:10.4000/12jq2

De l’appropriation communautaire dans la gouvernance des pêcheries et des aires marines protégées

2024· article· fr· W4403629470 sur OpenAlexvenueno aff
Moustapha Séye

Notice bibliographique

RevueVertigO · 2024
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Urban and Social Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

La gouvernance de la pêche au Sénégal a connu une résurgence suite aux injonctions internationales promouvant les aires Marines Protégées pour des pratiques de pêche durables. Historiquement, les pratiques de pêche artisanale n'étaient pas suffisamment réglementées, ce qui a entraîné une perte de biodiversité et une réduction des ressources. Le nouveau contexte est celui d’une gouvernance favorisant la création d’aires marines protégées (AMP). L'appropriation des pratiques de pêche durable par les populations dépend des perceptions, mais aussi des enjeux locaux et des contraintes socioéconomiques associées à la nouvelle norme. Une méthodologie mixte et comparative a été utilisée pour recueillir des données empiriques à partir d'une enquête menée en 2014-2015 auprès de 375 acteurs du secteur à Saint-Louis, Kayar et Lompoul. L'étude a révélé que l'adoption de pratiques de pêche durables est influencée par les traditions locales de régulation des ressources halieutiques. Les localités non exposées à la réglementation sont plus enclines à promouvoir les aires marines protégées. La mise en œuvre d'une AMP ne garantit pas le changement souhaité dans les pratiques de pêche pour la durabilité. Le changement doit être conduit par la responsabilité des acteurs du secteur et par l'application et le respect des normes établies. Cette perspective tient compte du principe de responsabilité et de la nécessité de mettre en œuvre une gouvernance inclusive, dans lequel des normes communes devraient être élaborées et respectées par tous.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0020,005
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,034
Tête enseignante GPT0,281
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetFrench Urban and Social StudiesTravaux en français237 207